Наука и технологии

Машинное обучение поможет предупредить насилие в школах

Stranger Things / Netflix, 2016
Stranger Things / Netflix, 2016

Американские ученые провели пилотное исследование автоматического определения учеников школ, находящихся в группе риска проявления насилия в отношении окружающих. Для этого ученые проанализировали интервью подростков со специалистами и проследили за их связью с результатами стандартизированных опросов на агрессию в отношении себя и окружающих.


В статье, опубликованной в журнале Psychiatric Quarterly, сообщается, что точность такого метода составила более 90 процентов. .[intro]

 

В последнее время число случаев насилия в школах растет. Речь идет не только о буллинге: издевательства над одноклассниками, не включающие физического насилия (или включающие, но в «легкой» форме), пусть и не одобряются, но считаются частью взросления и нередко игнорируются как родителями, так и учителями. Большее беспокойство общественности вызывают случаи вооруженного нападения, причем не только в США (там случаи нападения на школы зачастую связывают со свободной продажей оружия), но и в России. Последний случай произошел в марте этого года: тогда в результате стрельбы из пневматического пистолета, устроенной ученицей одной из школ Курганской области, пострадали 12 человек. 

Обычно учеников из группы риска проявления насилия определяют в ходе бесед со школьными психологами, а также на основании жалоб родителей, учителей и сверстников. Такой метод, разумеется, не всегда эффективен. Автоматизировать определение трудных подростков предложили ученые из Университета Цинциннати во главе с Мелиссой ДельБелло (Melissa DelBello). Исследователи разработали алгоритм определения насильственных намерений подростка на основании их интервью и данных, полученных с помощью стандартных тестов, проводимых американскими школьными психологами. 

В исследовании приняли участие 103 человека (в возрасте от 12 до 18 лет) из 74 обычных американских школ. Учеников выбрали на основании зарегистрированных у них случаев агрессии в отношении окружающих и самих себя. Для каждого ученика были доступны данные об их поле, возрасте, расе и социоэкономическом статусе их родителей или опекунов.

У каждого участника взяли короткое интервью с открытыми вопросами в дополнение к ответам опросника на агрессивность. Интервью расшифровали и разметили, выделив слова, семантически относящиеся к определенным категориям, среди которых — психические диагнозы, позитивные и негативные эмоции, неправомерные действия. Стоит отметить, что авторы не раскрывают подробностей процедуры разметки и не сообщают о том, какие именно слова и на каких основаниях относились к той или иной категории.  Используя полученные данные, исследователи создали алгоритм, указывающий на статистически значимую связь между двумя показателями склонности к насилию: результатами опроса и интервью. Алгоритм смог определить склонных к насилию учеников с точностью до 91,45 процента после учета демографических данных.

Авторы работы отмечают, что следующая цель подобных исследований — использование автоматического определения подростков из группы риска для предупреждения проявления насилия в школах. Пока что результаты предварительные, и эффективность работы алгоритма стоит проверять далее.

Методы обработки языка достаточно часто используют для создания методов автоматической диагностики психических заболеваний на основе интервью. Недавно, например, ученым удалось создать алгоритм, который предсказывает развитие психоза с точностью в 83 процента. Елизавета Ивтушок

источник

Реклама

Добавить комментарий

Заполните поля или щелкните по значку, чтобы оставить свой комментарий:

Логотип WordPress.com

Для комментария используется ваша учётная запись WordPress.com. Выход /  Изменить )

Google+ photo

Для комментария используется ваша учётная запись Google+. Выход /  Изменить )

Фотография Twitter

Для комментария используется ваша учётная запись Twitter. Выход /  Изменить )

Фотография Facebook

Для комментария используется ваша учётная запись Facebook. Выход /  Изменить )

w

Connecting to %s